Komorebi AI

TUN-AI

Fisheries Research, 2022

Resumen

Este estudio utiliza datos de boyas ecosonda fijadas a Dispositivos de Agregación de Peces a la deriva (dFAD) utilizados por las pesquerías atuneras para estimar la biomasa de atún. Los investigadores combinaron datos de los cuadernos de pesca de los dFAD, datos oceanográficos y datos de boyas ecosonda para entrenar y evaluar diferentes modelos de aprendizaje automático y establecer un sistema, TUN-AI, para procesar estos datos.

Un método de Aprendizaje Automático, para la estimación precisa de la biomasa de atún; beneficiando a la industria pesquera, organizaciones de gestión pesquera y la pesca sostenible.

¿Dónde se aplica?

Las conclusiones de este estudio son aplicables principalmente a la industria pesquera, en concreto a las pesquerías atuneras en las que se utilizan dFAD y boyas de ecosonda. Pueden utilizar este modelo para estimar con mayor precisión la biomasa de atún y tomar decisiones informadas sobre las operaciones pesqueras.

Estos conocimientos también podrían ser valiosos para las organizaciones de gestión pesquera, los grupos conservacionistas y los organismos reguladores, ya que contribuirían al desarrollo de políticas y prácticas pesqueras sostenibles.

Además, la metodología también puede ser relevante para campos e industrias afines en los que el seguimiento y la estimación de la biomasa o los datos poblacionales de determinadas especies son esenciales, como la gestión de la fauna salvaje o las áreas de estudio medioambiental.
pesca inteligente

¿Por qué es importante?

Este estudio proporciona un método más preciso y fiable para estimar la biomasa de atún, hacia una operación pesquera más sostenible.

Mediante la aplicación de modelos de aprendizaje automático a varios tipos de datos (datos del diario de pesca de FAD, datos oceanográficos, datos de boyas de ecosonda), el estudio aumenta el potencial para obtener información valiosa sobre el comportamiento y la abundancia del atún. La metodología puede aplicarse potencialmente a otras pesquerías y especies, contribuyendo así a los esfuerzos de conservación de los océanos.

Otras publicaciones

Adversarial Machine Learning: Bayesian Perspectives
AI in drug development: a multidisciplinary perspective
How do tuna schools associate to dFADs?

Adversarial Machine Learning: Enfoque Bayesiano

IA en el desarrollo de medicamentos: una perspectiva multidisciplinaria

¿Cómo se asocian los bancos de atunes con los dFADs?

Aplicamos un enfoque bayesiano para mejorar la defensa contra amenazas de seguridad en sistemas basados en Aprendizaje Automático: preveniendo ataques en ciberseguridad, sistemas de aprendizaje no supervisado y procesamiento de lenguaje natural.

La revisión explora el uso de la IA, en particular enfoques bayesianos, para acelerar y reducir el costo del desarrollo de medicamentos en todas las etapas.

Aprendizaje Automático para analizar el comportamiento de los atunes alrededor de los Dispositivos de Agregación de Peces (dFADs), proporcionando información para mejorar la pesca sostenible, la investigación en biología marina y las políticas de conservación.